Ilmu Komputer

Semua pengetahuan mengenai ilmu komputer

Logika Informatika

~ hijriyaninugroho ~ Leave a comment

LOGIKA PROPOSISIONAL

Kebenaran suatu pernyataan bisa ditentukan dari
strukturnya saja, tanpa harus tahu kebenaran
pembentuk-pembentuknya (constituents).

Seperti P or (not P) dan setiap pernyataan
dengan bentuk serupa adalah benar, tidak peduli
apakah P benar atau salah .

Suatu kalimat abstrak adalah valid jika bernilai
benar tanpa mempedulikan kebenaran atau
kesalahan dari proposisi-proposisi pembentuknya.

Sebagai contoh, jika kita tahu bahwa kalimat
abstrak

not ( P and (not P) ) or Q

valid, maka kita bisa dengan cepat menyimpulkan
bahwa kalimat-kalimat kongkrit

not ( [x < 0] and (not [x < 0]) ) or ( y ≥ 0 )

bernilai true (benar), tanpa harus tahu apakah x
< 0 dan y ≥ 0 bernilai true atau false
(salah).

Sebaliknya, setiap instance dari suatu kalimat
abstrak seperti

P and (not P)

bernilai false tanpa harus tahu apakah P bernilai
true atau false. Selanjutnya, kalimat semacam in
akan disebut kalimat contradictory. Perhatikan
bahwa suatu kalimat F adalah valid precisely
when (ketika secara pasti) negasi (negation) nya,
yaitu (not F) adalah contradictory.

Di samping itu, banyak kalimat-kalimat
abstrak seperti

P or Q dan not P

tidak valid maupun tidak contradictor
karena mereka mempunyai instances
yang bisa bernilai true atau false.

Kemudian ada pasangan kalimat-kalimat abstrak seperti

if P then Q dan if (not Q) then (not P),

adalah ekuivalen, dalam pengertian bahwa suatu instance
konkrit salah satu dari keduanya bernilai true precisely when
contoh yang bersesuaian dari satunya bernilai true. Sebagai
contoh, dua kalimat kongkrit

“Jika seorang mahasiswa mengikuti ujian akhir suatu
matakuliah, maka mahasiswa tersebut akan mendapat nilai
untuk matakuliah tersebut.”

dan

“Jika seorang mahasiswa tidak mendapat nilai suatu
matakuliah, maka mahasiswa tersebut tidak mengikuti
ujian akhir untuk matakuliah tersebut.”

adalah contoh dari pasangan kalimat di atas dan keduanya
bernilai true. Akan tetapi keduanya tidak valid.

LANGUAGE

Seperti halnya bahasa pada umumnya, maka
logika proposisional terdiri dari kalimatkalimat (sentences), khususnya kalimat
abstrak (abstract sentence).

Aturan sintaktik (syntactic rules)
menerangkan tata cara pembentukan kalimat
dalam logika proposisional ( pengertiannya
sesuai dengan aturan sintaktik dalam setiap
bahasa pemrograman (programming
language) ).

LANGUAGE (PROPOSITIONS)

Kalimat-kalimat dalam (bahasa) logika proposisional dibentuk
dari simbol-simbol, yang disebut proposisi (propositions).
Simbol-simbol yang dimaksud dikelompokkan menjadi dua,
yaitu :
Simbol-simbol kebenaran (truth symbols)
true dan false

Simbol-simbol proposisional (propositional symbols)
P, Q, R, S, P1, Q1, R1, S1, P2, Q2, R2, S2, …
(huruf-huruf besar P, Q, R, atau S, dan mungkin dengan
indeks-indeks numerik).

Dalam pembicaraan tidak resmi, huruf-huruf skrip E, F, G,
dan H, dan mungkin dengan subskrip (indeks) numerik akan
digunakan untuk menyatakan kalimat

LANGUAGE (SENTENCES)

Kalimat-kalimat dalam logika proposisional
dibangun dari proposisi-proposisi dengan
menerapkan propositional connectives :
not, and, or, if-then, if-and-only-if, if-then-else

Kalimat dibentuk menurut aturan-aturan
(rules) berikut :

  • setiap proposisi, yaitu suatu simbol kebenaran atau
    suatu simbol proposisi merupakan kalimat.
  • apabila F kalimat, maka demikian juga negasi
    (    negation) nya (not F).
  • apabila F dan G kalimat, maka demikian juga konjungsi
    (    conjunction) nya, yaitu (F and G), selanjutnya F
    maupun G disebut conjuncts dari (F and G) .
  • apabila F dan G kalimat, maka demikian juga disjungsi (disjunction) nya, yaitu (F or G), selanjutnya F maupun G disebut disjuncts dari (F or G).
  • apabila F dan G kalimat, maka demikian juga implikasi (implication) nya, yaitu (if F then G). Selanjutnya F disebut antecedent dan G disebut consequent dari (if F then G). Kalimat (if G then F) disebut converse dari kalimat (if F then G).
  • apabila F dan G kalimat, maka demikian juga ekuivalensi (equivalence) nya, yaitu (F if and only if G), selanjutnya F disebut sisi-kiri (left-hand side) dan G disebut sisi-kanan (right-hand side) dari (F if and only if ). G
  • apabila F, G dan H kalimat, maka demikian juga kondisional
    (    conditional) nya, yaitu (if F then G else H). Selanjutnya F, G, dan H masing-masing disebut klausa-if (if-clause), klausa-then (then-clause), dan klausa-else (else-clause) dari kondisional (if F then G else H).

 

Catatan Kuliah Sistem Pendukung Keputusan

~ hijriyaninugroho ~ Leave a comment

Hallo, kali ini aku akan berbagi catatan kuliah aku mengenai Sistem Pendukung Keputusan atau lebih populernya disebut dengan SPK. SPK ini sebenernya mata kuliah yang menarik,  dilihat dari tujuanya yang bertujuan untuk mendukung suatu keputusan yang akan diambil. Hal ini tentu sangat berguna bagi seorang penentu keputusan, karna jika dalam dunia nyata setiap orang pasti akan menentukan keputusan untuk hidupnya, entah itu keputusan hal kecil maupun besar. Ya, kita juga sering mendengar suatu istilah bahwa “Hidup ini pilihan”, nah dari istilah itu saja kita diharuskan memilih, memberi keputusan untuk pilihan tertentu, dan SPK ini hadir untuk membantu menyelesaikan semua problematika mengenai pengambilan keputusan. Bagaimana teorinya? Yukk kita ikuti uraian catatan kuliah aku ini 😀

CHARACTERISTICS AND CAPABILITIES OF DSS

  1. Semistructured and unstructured problems
  2. Support managers at all levels
    • Pada level manajer apa DSS itu dibuat?
  1. DSS dibuat untuk individu atau kelompok
    • Apakah problem tersebut bisa diselesaikan secara individu atau harus berkelompok
    • Contoh : Pemilihan mahasiswa berprestasi, apakah cukup hanya satu orang yang memilih atau melibatkan yang lain(wakadek, kaprodi, dsb)
  1. Suatu keputusan bergantung ke keputusan sebelumnya
    • Suami istri akan bercerai, kalau keputusanya bercerai kemudian bagaimana pembagian gono gini dan anak
    • DSS yang dibangun mampu menyelesaikan masalah yang sekuensial atau tidak
  1. Mendukung berbagai cara keputusan
    • Bagaimana proses keputusan diambil kalau para pemberi keputusan tidak bisa hadir pada tempat yang sama
  1. Mendukung ekstraksi data dan database
  1. Mudah atau bisa diadaptasi
    • fleksibel bisa menyesuaikan dengan kebutuhan
    • Contoh: bisa memilih, menambahkan yang akan diputuskan, bukan sistem langsung memberi keputusan
    • bisa memilih kriteria dan parameter
  1. Semua sistem mestinya memudahkan manusia berinteraksi dengan komputer
  1. Jangan membuat DSS yang tujuanya efisiensi (cepat) karena DSS tidak membahas cepat/tidak, keputusan itu yang penting adalah kebenaranya.
    • misal, pengambilan minat kuliah, pengen cepat kemudian ikut-ikutan akhirnya menyesal
  1. DSS jangan mendekati user, tetapi justru sebaliknya
  1. Mudah dikembangkan oleh user, bukan mengembangkan softwarenya namun ada fasilitas untuk memodifikasi.
    • Contoh: DSS untuk menentukan mahasiswa teladan, bisa tidak diganti dengan DSS untuk menentukan karyawan terbaik, otomatis bisa mengganti parameter
  1. Modelling and analysis
    • Contoh: mau ke kampus semua ada resikonya, jika nebeng teman maka resiko kalau temanya ternyata sudah sampai duluan, jika naik angkot, resiko ngetem, terlambat, jika naik taxi, mahal
    • DSS harus memungkinkan model dan analisa resiko
  1. DSS menyediakan akses ke basis data bukan mengenerate basis data
    • DSS hanya menggunakan data dari database bukan membangun
  1. Standalone, integrasi dengan sistem yang lain

Matakuliah Favorit Mahasiswa Komputer dan Sistem Informasi

~ hijriyaninugroho ~ Leave a comment

Hay hay hay.. trimakasih sudah berkunjung kembali ke blog saya. Kali ini saya akan mengupas tuntas sebenarnya matakuliah apa sih yang menjadi favorit bagi mahasiswa Komputer dan Sistem Informasi (KOMSI). Oke, sebelumnya saya akan perkenalkan terlebih dahulu apa program studi Komputer dan Sistem Informasi itu. Komputer dan Sistem Informasi (KOMSI) merupakan program studi diploma tiga yang ada di Sekolah Vokasi UGM. KOMSI berada pada naungan Departemen Teknik Elektro dan Informatika. Mengenai matakuliah apa saja yang diminati di KOMSI, saya sudah bertanya kepada beberapa alumni mahasiswa KOMSI, dan berikut ringkasanya

  1. Persamaan Differensial Elementer

Sebenarnya Persamaan Differensian Elemneter ini merupakan matakuliah yang ada di Ilmu Komputer, memang beberapa anak KOMSI melanjutkan studinya ke S1, yaitu Ilmu Komputer termasuk saya. Matakuliah PDE ini menjadi terfavorit karena matakuliah ini paling susah mendapatkan nilai bagus. Kalau pada saat jaman saya waktu kuliah, matakuliah ini kelasnya dicampur gaes sama anak matematika murni dan statistika. Ya jelas aja mereka lebih cepat nangkep, karena memang mereka keseharianya nguprek-uprek integral dan sebagainya. Nah bagi anak ilmu komputer, menjadi sangat sulit sekali mengikuti mata kuliah ini, karna harus paham dulu dasar-dasar matematika seperti integral, turunan dan sebagainya, karena sang Dosen tidak akan menjelaskan dasar-dasarnya pada matakuliah ini. Ini sudah mengenai integral dan kawan-kawanya tingkat lanjut. Karena ini merupakan salah satu matakuliah wajib di Ilmu Komputer, maka sebaiknya kamu belajar dulu deh itu dasar-dasar matematika, kuasai dulu semua teknik integral dan turunan.. kalau kamu sudah jago semua tentang itu, saya yakin kamu tidak akan keteteran mengikuti mata kuliah ini.

  1. Komputasi Numerik

Dari beberapa jawaban yang saya dapatkan, mereka suka terhadap mata kuliah ini karena dosenya yang enak jelasinya. Alhasil gampang buat dimengerti. Sebenarnya ini matakuliah yang lumayan susah juga, karena masih berhubungan dengan integral dan turunan.. Well semua menjadi terasa mudah kalau yang mengajarkan juga mudah dipahami 😀

  1. Matematika Diskrit

Yang ini juga sama saja gaes, mereka suka dengan mata kuliah ini karena dosenya yang enak jelasinya.. Detail banget gitu, jadi meski susah matakuliahnya namun serasa mudah deh.. Tugas tugas dan soal-soal ujianya juga tidak jauh dari latihan-latihan dikelas, jadi semua lancar jaya gaes, kalau kamu gimana?

  1. Pemograman Terstruktur

Nah, kalau matakuliah yang satu ini, disukai bagi mereka-mereka yang maniak coding gaess.. beberapa dari mereka yang menjawab ini merupakan mahasiswa-mahasiswa yang betah banget di depan monitor, memperhatikan baris per baris dengan teliti.. Ya mereka adalah programmer, bagi mereka bisa membuat program tanpa error itu merupakan kesuksesan luar biasa.

Oke gaes, itu lah hasil survey saya mengenai matakuliah apa yang paling diminati di Diploma KOMSI, nah kalau kamu paling suka sama matakuliah apa nih gaes? dan kenapa? tulis di komentar ya 🙂

Data Mining

~ hijriyaninugroho ~ Leave a comment

Hallo, kali ini saya akan berbagi sedikit materi mengenai Data Mining, bagi yang kuliah di Ilmu Komputer, atau Teknik Informatika pasti pernah denger kan istilah Data Mining.. Nah bagi yang pengen tahu gambaran umum mengenai Data Mining, berikut saya kasih informasinya.

PENGERTIAN DATA MINING

Data mining adalah sebuah proses untuk menemukan pola atau pengetahuan yang bermanfaat secara otomatis dalam data yang berjumlah banyak dengan menggunakan teknik atau metode tertentu.

Menurut Han, dan Kamber (2006) data mining merupakan pemilihan atau “menambang” pengetahuan dari jumlah data yang banyak. Data mining sering dianggap sebagai bagian dari Knowledge Discovery in Database (KDD) yaitu sebuah proses mencari pengetahuan yang bermanfaat dari data, proses Knowledge Discovery  terdiri dari tahapan sebagai berikut :

  1. Data cleaning

Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data seperti kesalahan cetak (tipografi).

  1. Data integration

Pada tahap data integration dilakukan pengecekan kombinasi data terhadap data yang berasal dari banyak sumber.

  1. Data selection

Pemilihan (seleksi) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi. Data hasil seleksi yang akan digunakan untuk proses data mining disimpan dalam suatu berkas terpisah dari basis data operasional.

  1. Data transformation

Merupakan proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses ini merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data. Kadang-kadang transformasi data dan konsolidasi dilakukan sebelum proses seleksi data, khususnya dalam kasus data warehousing. Reduksi data juga dapat dilakukan untuk mendapatkan representasi yang lebih kecil dari data asli tanpa mengorbankan integritasnya.

  1. Data mining

Pemilihan tujuan dari proses KDD misalnya klasifikasi, regresi, clustering, dll. Proses data mining adalah proses mencari pola atau informasi menarik dalam data terpilih menggunakan teknik dan metode tertentu. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.

  1. Pattern evalution

Proses yang mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan beberapa ukuran tindakan meliputi hipotesa sebelumnya.

  1. Knowledge presentation

Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.

TUGAS-TUGAS DATA MINING

Menurut Han dan Kamber (2001), tugas data mining berdasarkan fungsinya dikategorikan menjadi dua yaitu deskriptif dan prediktif. Data mining secara deskriptif bertugas mengkarakteristik properti data pada basis data, sedangkan tugas data mining prediktif yaitu membuat prediksi berdasarkan kesimpulan dari data yang ada. Fungsionalitas data mining dideskripsikan sebagai berikut :

  1. Asosiasi

Asosiasi adalah proses menemukan aturan asosiasi yang didapatkan dari frekuensi suatu atribut pada sekumpulan data

  1. Deskripsi Konsep / Kelas

Deskripsi konsep / kelas memberikan ringkasan yang jelas dan tepat dari sekumpulan data. Deskripsi dapat diperoleh dari karakteristik data dan diskriminasi data atau kedua-duanya.

  1. Klasifikasi

Klasifikasi merupakan proses pencarian sekumpulan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data dengan maksud menggunakan model tersebut sebagai prediksi terhadap kelas atau obyek dimana label kelas tersebut tidak diketahui.

  1. Analisa Klaster

Berbeda dengan klasifikasi, klasterisasi merupakan unsupervised learning. Dalam klasterisasi, label kelas tidak didefinisikan terlebih dahulu.

  1. Analisa Outlier

Outlier adalah objek data yang tidak memenuhi model dan persyaratan secara umum. Obyek data outlier berbeda dan tidak konsisten dengan data set yang ada. Kebanyakan metode data mining menganggap outlier sebagai sampah.

DATA PREPROCESSING

Menurut Han dan Kamber (2006), data preprocessing merupakan proses persiapan data yang dilakukan dengan tujuan menyesuaikan kondisi data agar sesuai dengan kebutuhan pada proses analisis (data mining). Data preprocessing memakan waktu paling lama diantara proses-proses pencarian pengetahuan (knowledge discovery). Data preprocessing diperlukan karana data yang dimiliki sering kali tidak lengkap, tidak konsisten, banyak terjadi perulangan data yang tidak perlu, dan memuat anomali atau error. Metode pada data preprocessing yaitu :

  1. Pembersihan Data (Data Cleaning)

Data cleaning bertujuan melengkapi atau menghapus data yang tidak lengkap, menghilangkan data noise, mengidentifikasi atau menghapus anomali, dan mengatasi masalah konsisten data.

  1. Integrasi Data (Data Integration)

Integrasi data adalah suatu teknik mengkombinasikan data dari beberapa sumber dalam satu tempat penyimpanan, misalnya gudang data (data warehouse). Sumber tersebut bisa berupa multiple database, data cube atau file-file.

  1. Transformasi Data (Data Transformation)

Data mentah perlu dilakukan proses transformasi untuk meningkatkan performanya. Dalam transformasi data, data diubah menjadi bentuk yang bisa ditambang.

  1. Reduksi Data (Data Reduction)

Data yang kompleks akan membutuhkan waktu yang lama untuk menambang. Teknik reduksi data sangat membantu mereduksi data yang kompleks tanpa mengurangi integritas dari data yang asli dan tidak mengurangi kualitas informasi yang dihasilkan.

Sumber:
Han, J. dan Kamber, M., 2001, Data Mining: Concepts and Techniques.USA: Morgan Kaufamann, Academic Pers.
Han, J. dan Kamber, M., 2006, Data Mining: Concepts and Techniques-Chapter 2. USA: Elsevier.
http://globallavebookx.blogspot.co.id/2015/01/pengertian-definisi-dan-fungsi-data.html

Analisis dan Perancangan Sistem Informasi

~ hijriyaninugroho ~ Leave a comment

KONSEP DASAR SISTEM

Murdick dan Ross (1993) mendefinisikan sistem sebagai seperangkat elemen yang digabungkan satu dengan yang lainya untuk suatu tujuan bersama.

Sementara definisi sistem dalam kamus Webster’s Unbriged adalah elemen-elemen yang saling berhubungan da membentuk satu kesatuan atau organisasi.

Menurut Scott (1996), sistem terdiri dari unsur-unsur seperti masukan (input), pengolahan (processing), serta keluaran (output).

Gambar 1. Model Sistem

Gambar di atas menunjukkan bahwa sistem atau pendekatan sistem minimal harus mempunyai empat komponen, yakni masukan, pengolahan, keluaran, dan balikan atau control.

Sementara Mc/Leod (1995) mendefinisikan sistem sebagai sekelompok elemen-elemen yang terintegrasi dengan maksud yang sama untuk mencapai suatu tujuan. Sumber daya mengalir dari elemen output dan untuk menjamin prosesnya berjalan dengan baik maka dihubungkan dengan mekanisme control. Untuk lebih jelasnya elemen sistem tersebut dapat digambarkan dengan model sebagai berikut :

Gambar 2. Model hubungan elemen-elemen sistem

Schronderberg (1997) dalam Suradinata (1996) secara ringkas menjelaskan bahwa sistem adalah:

  1. Komponen-komponen yang saling berhubungan satu sama lain
  2. Suatu keseluruhan tanpa memisahkan komponen pembentuknya
  3. Bersama-sama dalam mencapai tujuan
  4. Memiliki input dan output yang dibutuhkan oleh sistem lainya
  5. Terdapat proses yang mengubah input menjadi output
  6. Menunjukkan adanya entropi
  7. Memiliki aturan
  8. Memiliki subsitem yang lebih kecil
  9. Memiliki deferensiasi antar subsistem
  10. Memiliki tujuan yang sama meskipun mulainya berbeda.

PENGERTIAN SISTEM INFORMASI

Untuk memahami pengertian sistem informasi, harus dilihat keterkaitan antara data dan informasi sebagai entitas penting pembentuk sistem informasi. Data merupakan nilai, keadaan, atau sifat yang berdiri sendiri lepas dari konteks apapun. Sementara informasi adalah data yang telah diolah menjadi sebuah bentuk yang berarti bagi penerimanya dan bermanfaat dalam pengambilan keputusan saat ini atau mendatang (Davis, 1995).

Mc Leod (1995) mengatakan bahwa informasi adalah data yang telah diproses, atau data yang memiliki arti.

Sistem Informasi Manajemen (SIM) dapat didefinisikan sebagai suatu alat untuk menyajikan informasi dengan cara sedemikian rupa sehingga bermanfaat bagi penerimanya (Kertahadi, 1995). Tujuanya adalah untuk menyajikan informasi guna pengambilan keputusan pada perencanaan, pemrakarsaan, pengorganisasian, pengendalian kegiatan operasi subsistem suatu perusahaan dan menyajikan sinergi organisasi pada proses (Murdick dan Ross, 1993).

PENGERTIAN ANALISIS DAN PERANCANGAN SISTEM

Analisis sistem didefinisikan sebagai bagaimana memahami dan menspesifikasi dengan detail apa yang harus dilakukan oleh sistem. Sistem desain diartikan sebagai menjelaskan dengan detai bagaimana bagian-bagian dari sistem informasi diimplementasikan.

Analysis : mendefinisikan masalah –> From requirements to specification

Design : memecahkan masalah –> From specification to implementation

TUJUAN ANALISIS 

  • Menentukan kelemahan dari proses-proses bisnis pada sistem lama untuk bisa menentukan kebutuhan dari sistem baru
  • Menentukan tingkat kelayakan kebutuhan sistem baru tersebut ditinjau dari beberapa aspek, diantaranya ekonomi, teknik, operasional, dan hukum.
  • Menjawab pertanyaan-pertanyaan berikut :
    • Siapa yang akan menggunakan sistem?
    • Sistem yang dikembangkan akan seperti apa?
    • Apa yang bisa dikerjakan sistem?
    • Kapan sistem akan digunakan?

TAHAPAN ANALISIS SISTEM

Identify

Yaitu mengidentifikasi masalah yang meliputi :

      • Mengidentifikasi Penyebab Masalah
      • Mengidentifikasi Titik Keputusan
      • Mengidentifikasi Personil-Personil Kunci

Contoh Mengidentifikasi Masalah:

Untuk kasus PT Suka Maju di system pengendalian pemasaran dan penjualan, subyek – subyek masalah yang terjadi :

      • Langganan mengeluh karena pelayanan kurang baik dan barang yang dikirim sering tidak sesuai
      • Banyak piutang tidak tertagih Pengendalian manajemen kurang efektif

Mengidentifikasi Penyebab Masalah:

      • Langganan mengeluh karena pelayanan kurang baik dan barang yang dikirim sering tidak sesuai
          Penyebab :

        • Pelayanan yang kurang baik kepada pelanggan
        • Barang yang dikirim sering tidak sesuai
      • Banyak piutang tidak tertagih
          Penyebab :

        • Evaluasi pemberian kredit yang kurang benar
        • Penagihan piutang yang tidak efektif
      • Pengendalian manajemen kurang efektif
          Penyebab :

        • Kurang tersedianya laporan yang berkualitas

Mengidentifikasi Titik Keputusan:

    • Pelayanan yang kurang baik kepada pelanggan
        Titik keputusan :

      • “Penanganan order langganan” dibagian order penjualan.
      • “Proses pembuatan order penjualan” dibagian order penjualan.
      • “Proses evaluasi kredit” di bagian kredit.
      • “Proses pengambilan barang” di gudang.
      • “Proses pembuatan dokumen pengiriman” dan laporan pengiriman di bagian pengiriman.
      • “Proses pembuatan faktur” di bagian billing.
    • Barang yang dikirim sering tidak sesuai
        Titik Keputusan :

      • “Kebenaran data di faktur” di bagian billing.
      • “Kelengkapan faktur yang didukung dengan laporan pengiriman” di bagian billing.
    • Evaluasi pemberian kredit yang kurang benar.
        Titik Keputusan :

      • “Dukungan informasi untuk pemberian kredit” di bagian kredit.
    • Kurang tersedianya laporan yang berkualitas
        Titik Keputusan :

      • “Proses pembuatan laporan” di bagian akuntansi

Mengidentifikasi Personil-Personil Kunci

Understand

yaitu memahami kerja dari sistem yang ada

Memahami kerja dari sistem yang ada meliputi :

  • Menentukan Jenis Penelitian
  • Merencanakan Jadual Penelitan
  • Membuat Penugasan Penelitian
  • Membuat Agenda Wawancara
  • Mengumpulkan Hasil Penelitian

Contoh :

Analyze

yaitu menganalisis hasil penelitian meliputi :

  • Menganalisis kelemahan sistem
  • Menganalisis kebutuhan informasi pemakai

Report

yaitu membuat laporan hasil analisis. Tujuanya adalah :

  • Tujuan Pelaporan bahwa analisis telah selesai dilakukan
  • Meluruskan kesalhan pengertian mengenai apa yang telah ditemukan dan dianalisis oleh analis system tetapi tidak sesuai menurut manajemen
  • Meminta pendapat-pendapat dan saran-saran dari pihak manajemen
  • Meminta persetujuan kepada pihak manajemen untuk melakukan tindakan selanjutnya (dapat berupa meneruskan ke tahap desain system atau menghentikan proyek bila dipandang tidak laya lagi)

 

 

Sumber :

Fatta, Hanif A. 2007. Analisis & Perancangan Sistem Informasi. Andi : Yogyakarta